rag-elasticsearch
这个模板使用ElasticSearch执行RAG。
它依赖于句子转换器MiniLM-L6-v2来嵌入段落和问题。
环境设置
设置OPENAI_API_KEY环境变量以访问OpenAI模型。
要连接到您的Elasticsearch实例，请使用以下环境变量：
export ELASTIC_CLOUD_ID = <ClOUD_ID>
export ELASTIC_USERNAME = <ClOUD_USERNAME>
export ELASTIC_PASSWORD = <ClOUD_PASSWORD>
对于使用Docker进行本地开发，请使用：
export ES_URL="http://localhost:9200"
并在Docker中运行Elasticsearch实例：
docker run -p 9200:9200 -e "discovery.type=single-node" -e "xpack.security.enabled=false" -e "xpack.security.http.ssl.enabled=false" docker.elastic.co/elasticsearch/elasticsearch:8.9.0
用法
要使用此包，您首先应该安装LangChain CLI：
pip install -U langchain-cli
要创建一个新的LangChain项目并将其安装为唯一的包，可以执行以下操作：
langchain app new my-app --package rag-elasticsearch
如果要将其添加到现有项目中，只需运行：
langchain app add rag-elasticsearch
并将以下代码添加到您的server.py文件中：
from rag_elasticsearch import chain as rag_elasticsearch_chain
add_routes(app, rag_elasticsearch_chain, path="/rag-elasticsearch")
（可选）现在让我们配置LangSmith。 LangSmith将帮助我们跟踪、监视和调试LangChain应用程序。 LangSmith目前处于私有测试版，您可以在此处注册。 如果您没有访问权限，可以跳过此部分。
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project> # 如果未指定，默认为"default"
如果您在此目录中，则可以直接启动LangServe实例：
langchain serve
这将在本地启动FastAPI应用程序，服务器正在运行在 http://localhost:8000
我们可以在http://127.0.0.1:8000/docs上看到所有模板。 我们可以在http://127.0.0.1:8000/rag-elasticsearch/playground上访问playground。
我们可以通过以下代码访问模板：
from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/rag-elasticsearch")
要加载虚构的工作场所文档，请从此存储库的根目录运行以下命令：
python ingest.py